使用监督学习识别虚假评论的数据分析

阿尔 萨德, 泰亚 兹·
印度计算机科学与信息技术系

摘要

虚假评论，也称为欺骗性意见，用于误导人们，最近变得越来越普遍。 这是由于在线营销交易的快速增长，
例如销售和采购。 电子商务为客户提供了一种设施，可以在购买时发布有关产品或服务的评论和评论。 新客户通常
会在做出购买决定之前浏览网站上发布的评论或评论。 然而，当前的挑战是新人如何区分真实评论和虚假评论，从
而欺骗客户、造成损失并损害公司声誉。 本文尝试开发一种智能系统，该系统可以使用评论文本的 n-gram 和评论
者给出的情感分数来检测电子商务平台上的虚假评论。 本研究采用的拟议方法使用标准的酒店评论数据集进行实验
和数据预处理方法，并使用词频 - 逆文档频率 (TF-IDF) 方法提取特征。 对于检测和分类，本文将评论文本的 n-gram
输入到构建的模型中，以分类为虚假或真实。 然而，实验是使用四种不同的监督机器学习技术进行的，并在从 Trip
Advisor 网站收集的数据集上进行了训练和测试。这些实验的分类结果表明，朴素贝叶斯 (NB)、支持向量机 (SVM)、
自适应增强 (AB) 和随机森林 (RF) 分别获得了 88%、93%、94% 和 95% 的基于 关于测试准确性和 tje F1 分数。 作者
将获得的结果与使用相同数据集的现有工作进行比较，所提出的方法在准确性方面优于可比较的方法。

关键词

电子商务；虚假评论检测； 方法； 机器学习； 酒店点评

参考

[1] S. N. Alsubari, S. N. Deshmukh, M. H. Al-Adhaileh,

F. W. Alsaade and T. H. Aldhyani. Development of integrated

neural network model for identification of fake reviews in

e-commerce using multidomain datasets. Applied Bionics and

Biomechanics, 2021;2021:1–11.

[2] Y. Li, X. Feng and S. Zhang. Detecting fake reviews

utilizing semantic and emotion model. 2016 3rd Int. Conf. on

Information Science and Control Engineering, Beijing, China,

2016;317–320.

[3] X. Hu, J. Tang, H. Gao and H. Liu. Social spammer

detection with sentiment information. 2014 IEEE Int. Conf. on

Data Mining, Shenzhen, China, 2014;180–189.

[4] F. Long, K. Zhou and W. Ou. Sentiment analysis of

text based on bidirectional LSTM with multihead attention.

IEEE Access, 2019;7:141960–141969.

[5] V. W. Feng and G. Hirst. Detecting deceptive

opinions with profile compatibility. Proc. of the 6th Int.

Joint Conf. on Natural Language Processing, Nagoya, Japan,

2013;14–18.

[6] S. J. Delany, M. Buckley and D. Greene. SMS spam

filtering: Methods and data. Expert Systems with Applications,

2012;39(10):9899–9908.

[7] L. Li, B. Qin, B. W. Ren and T. Liu. Document

representation and feature combination for deceptive spam

review detection. Neurocomputing, 2016;254:33–41.

[8]S. Sarika, M. S. Nalawade1 and S. S. Pawar. A survey

on detection of shill reviews by measuring its linguistic

features. Int. J. Emerg. Trends Technol. Comput. Sci,

2014;3(6):269–272.

[9] Q. Peng. Store review spammer detection based on

review relationship. Advances in Conceptual Modeling. Berlin,

Heidelberg, Germany: Springer, 2014;287–298.

[10] N. Hussain, H. T. Mirza, I. Hussain, F. Iqbal and

I. Memon. Spam review detection using the linguistic and

spammer behavioral methods. IEEE Access, 2020;8:53801–

53816.